CN105975563B - 表情推荐方法及装置 - Google Patents

表情推荐方法及装置 Download PDF

Info

Publication number
CN105975563B
CN105975563B CN201610286192.6A CN201610286192A CN105975563B CN 105975563 B CN105975563 B CN 105975563B CN 201610286192 A CN201610286192 A CN 201610286192A CN 105975563 B CN105975563 B CN 105975563B
Authority
CN
China
Prior art keywords
expression
user
degree
social
correlation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610286192.6A
Other languages
English (en)
Other versions
CN105975563A (zh
Inventor
陈凯斌
李霖
唐林平
潘长鹏
黄东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201610286192.6A priority Critical patent/CN105975563B/zh
Publication of CN105975563A publication Critical patent/CN105975563A/zh
Priority to PCT/CN2017/081333 priority patent/WO2017186054A1/zh
Priority to JP2018543422A priority patent/JP6616012B2/ja
Priority to KR1020187015626A priority patent/KR102064203B1/ko
Priority to US15/974,524 priority patent/US11128582B2/en
Application granted granted Critical
Publication of CN105975563B publication Critical patent/CN105975563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046—Interoperability with other network applications or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/42—Mailbox-related aspects, e.g. synchronisation of mailboxes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种表情推荐方法及装置，属于互联网技术领域。所述方法包括：获取用户的社交行为信息，社交行为信息包括用户的社交关系链和用户的表情使用信息中的至少一种；社交关系链用于指示与用户具有预定社交关系的至少一个关联用户，表情使用信息用于指示用户对表情的使用行为；根据社交行为信息，计算该用户与表情库中表情的相关度；根据该相关度向用户对应的社交应用客户端发送推荐表情。本发明实施例达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。

Description

表情推荐方法及装置
技术领域
本发明实施例涉及互联网技术领域，特别涉及一种表情推荐方法及装置。
背景技术
社交应用客户端作为智能设备中使用率最高的应用，方便用户与好友之间进行聊天。
用户使用社交应用客户端与好友进行聊天时，不仅可以向好友发送文字信息，还可以通过社交应用客户端提供的表情面板，选择并发送已保存的表情。为了丰富用户可发送的表情，社交应用客户端提供的表情面板中包含有表情商店入口，用户通过该表情商店入口，即可进入相应的表情商店页面。表情商店页面中的表情根据下载量或发布时间进行排序，方便用户选择并下载。
在实现本发明实施例的过程中，发明人发现上述技术至少存在以下问题：
由于不同用户对表情的偏好各不相同，根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户添加表情的效率较低。
发明内容
为了解决根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的选择效率较低的问题，本发明实施例提供了一种表情推荐方法及装置。所述技术方案如下：
根据本发明实施例的第一方面，提供一种表情推荐方法，该方法包括：
获取用户的社交行为信息，社交行为信息包括用户的社交关系链和用户的表情使用信息中的至少一种；社交关系链用于指示与用户具有预定社交关系的至少一个关联用户，表情使用信息用于指示用户对表情的使用行为；
根据社交行为信息，计算该用户与表情库中表情的相关度；
根据该相关度向用户对应的社交应用客户端发送推荐表情。
根据本发明实施例的第二方面，提供一种表情推荐装置，该装置包括：
获取模块，用于获取用户的社交行为信息，社交行为信息包括用户的社交关系链和用户的表情使用信息中的至少一种；社交关系链用于指示与用户具有预定社交关系的至少一个关联用户，表情使用信息用于指示用户对表情的使用行为；
计算模块，用于根据社交行为信息，计算用户与表情库中表情的相关度；
发送模块，用于根据该相关度向用户对应的社交应用客户端发送推荐表情。
本发明实施例提供的技术方案带来的有益效果是：
通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供实施环境的示意图；
图2是本发明一个实施例提供的表情推荐方法的流程图；
图3A是本发明另一个实施例提供的表情推荐方法的流程图；
图3B是图3A所示表情推荐方法涉及的相关度计算过程的流程图；
图3C是图3A所示表情推荐方法的界面示意图；
图4A是本发明再一个实施例提供的表情推荐方法的流程图；
图4B是图4A所示表情推荐方法涉及的相关度计算过程的流程图；
图5是本发明一个实施例提供的表情推荐装置的结构方框图；
图6是本发明另一个实施例提供的表情推荐装置的结构方框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
为了方便理解，下面对本发明实施例中出现的名词进行解释。
社交应用客户端：指安装在用户终端中的社交类应用程序，该社交应用客户端通常具有即时通讯功能。比如，该社交应用客户端可以为即时通讯程序、语音通讯程序、团队语音工具、富媒体社交工具、游戏平台或微博等等。用户使用社交应用客户端时，需要使用预先注册的帐号进行登录，完成登录后，用于即可通过该社交应用客户端与具有预定社交关系的关联用户进行聊天。其中，预定社交关系包括：具有好友关系、互相关注关系或属于同一群组关系中的至少一种关系。
社交关系链：具有预定社交关系的用户之间建立的关系链。本发明实施例中特指社交应用中用户之间的社交关系链。
表情使用信息：指用户在社交应用客户端中使用表情时产生的信息，该表情使用信息具体包括使用方式、发送次数和表情标识等等。其中，使用方式包括发送表情、收藏表情和下载表情中的至少一种。
社交亲密度：用于指示社交应用中具有预定社交关系的用户之间的亲密度。该社交亲密度可以根据用户之间建立社交关系时长，和/或用于在预定时间段内的聊天频率计算得到。
表情权重值：用于指示用户对表情的使用程度，该表情权重值可以根据表情使用信息中的使用方式和/或发送次数计算得到。比如，不同的(表情)使用方式对应不同的表情权重值，又比如，(表情)发送次数与表情权重值呈正比例关系。
请参考图1，其示出了本发明一个实施例提供实施环境的示意图，该实施环境中包含至少一个用户终端110和表情推荐服务器120。
用户终端110是运行有社交应用客户端的电子设备，该电子设备可以是智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器和膝上型便携计算机(相机、摄像机)等等。每个用户通过自身帐号登录社交应用客户端，并可以通过该社交应用客户端与具有预定社交关系的关联用户进行聊天。
至少一个用户终端110与表情推荐服务器120之间通过有线或无线网络相连。
表情推荐服务器120是用户终端110的后台服务器，用于向各个用户终端中的社交应用客户端推荐表情。表情推荐服务器120是至少一台服务器、服务器集群、分布式服务器平台、云计算中心或几个服务器集群的组合。本发明各个实施例提供的表情推荐方法均用于表情推荐服务器120。
在其他可能的实施方式中，该实施环境中还可以包括社交关系服务器130和聊天记录存储服务器140。当需要进行表情推荐时，表情推荐服务器120即可从社交关系服务器130处获取各个用户的社交关系链，从聊天记录存储服务器140处获取各个用户的表情使用信息。
请参考图2，其示出了本发明一个实施例提供的表情推荐方法的流程图，本实施例以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
步骤202，获取用户的社交行为信息，该社交行为信息包括用户的社交关系链和用户的表情使用信息中的至少一种；社交关系链用于指示与该用户具有预定社交关系的至少一个关联用户，表情使用信息用于指示该用户对表情的使用行为。
步骤204，根据社交行为信息，计算用户与表情库中表情的相关度。
根据获取到的社交行为信息，表情推荐服务器计算该用户与表情库中各个表情的相关度。作为一种可能的实施方式，当用户的社交关系链指示与该用户具有预定社交关系的关联用户的数量小于阈值时，表情推荐服务器根据用户的表情使用信息计算用户与表情库中表情的相关度；作为另一种可能的实施方式，当用户的表情使用信息指示用户使用表情的数量小于阈值时，表情推荐服务器根据用户的社交关系链计算该用户与表情库中表情的相关度。
步骤206，根据该相关度向该用户对应的社交应用客户端发送推荐表情。
表情推荐服务器计算得到用户与表情库中表情的相关度后，可以将相关度大于预定相关度阈值的表情确定为推荐表情，也可以将相关度排名前n的表情确定为推荐表情，并将该推荐表情发送至该用户对应的社交应用客户端，使得社交应用客户端可以对推荐表情进行显示。
相较于现有技术中根据表情的下载量或发布时间对表情进行排序，通过本实施例提供的表情推荐方法进行表情推荐时，由于推荐的表情根据用户自身的社交行为信息确定，因此推荐的表情更加符合用户自身的表情喜好，避免了用户从大量表情中查找自己喜好的表情，提高了用户添加表情的效率。
综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
当用户的表情使用信息指示用户使用表情的数量小于阈值(比如5个)时，根据用户的表情使用信息进行表情推荐会影响推荐表情与用户的匹配度。因此，当用户的表情使用信息指示用户使用表情的数量小于阈值时，表情推荐服务器根据用户的社交关系链计算用户与表情库中表情的相关度。下面采用一个示意性实施例进行说明。
请参考图3A，其示出了本发明另一个实施例提供的表情推荐方法的流程图，本实施例以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
步骤301，获取用户的社交关系链，社交关系链用于指示与该用户具有预定社交关系的至少一个关联用户。
在一种可能的实施方式中，当需要进行表情推荐时，表情推荐服务器可以从用于维护用户间社交关系的社交关系服务器处获取用户的社交关系链，该社交关系链信息中包含与该用户具有预定社交关系的各个关联用户。为了方便描述，本实施例以预定社交关系为好友关系，关联用户为好友用户为例进行说明。
示意性的，服务器获取到各个用户的社交关系链如表一所示。
表一
用户标识 社交关系链
Adam Alice、Bob、Lucy、Mike、John、Grecy
Alice Adam、Mike、Johnson、Micheal
… …
Zark Micheal、Lily、Kobe、James
需要说明的是，表情推荐服务器还可以通过其他方式获取用户的好友关系链，本发明实施例并不对服务器获取社交关系链的方式进行限定。
步骤302，根据用户的社交关系链，确定与该用户具有预定社交关系的关联用户。
根据获取到社交关系链，表情推荐服务器确定各个用户各自对应的关联用户。比如，表情推荐服务器获取到各个用户的社交关系链如表一所示，从而确定与用户Adam具有预定社交关系的关联用户包括Alice、Bob、Lucy、Mike、John、Grecy；确定与用户Zark具有预定社交关系的关联用户包括Micheal、Lily、Kobe、James。
步骤303，根据各个关联用户各自对应的表情使用信息，生成候选表情集合，该候选表情集合中包含各个关联用户使用过的表情。
由于表情库中表情数量庞大，计算用户与表情库中各个表情的相关度需要耗费大量计算资源，而具有预定社交关系的用户之间通常具有相似的喜好，相应的，关联用户经常使用的表情符合该用户喜好的可能性较高，因此，表情推荐服务器确定用户对应的关联用户后，获取各个关联用户的表情使用信息，进一步根据该表情使用信息确定各个关联用户使用过的表情，从而生成相应的候选表情集合，并从该候选表情集合中选取与用户相关度较高的表情作为推荐表情，从而减少计算量。其中，各个关联用户的表情使用信息可以从图1中的聊天记录存储服务器处获取，本发明实施例并不对此进行限定。
各个关联用户对应的表情使用信息中包含使用方式、发送次数和表情标识等信息，表情推荐服务器根据表情使用信息生成候选表情集合时，即对表情使用信息中包含的表情标识进行归纳统计。
比如，表情推荐服务器获取到用户Zark的社交关系链中包含关联用户Micheal、Lily、Kobe、James，且Micheal对应的表情使用信息中包含表情标识emoji001、emoji002和emoji004；Lily对应的表情使用信息中包含表情标识emoji001、emoji004和emoji008；Kobe对应的表情使用信息中包含表情标识emoji03、emoji007和emoji012；James对应的表情使用信息中包含表情标识emoji001、emoji002。表情推荐服务器将获取到的表情标识的合集确定为候选表情集合，该候选表情集合中即包含emoji001、emoji002、emoji003、emoji004、emoji007、emoji008、emoji012。
步骤304，计算用户与候选表情集合中各个表情的相关度。
获取到候选表情集合后，表情推荐服务器进一步计算用户与该候选表情集合中各个表情的相关度。
对于具有预订社交关系的两个用户(用户和关联用户)来说，其社交亲密度越高，其偏好表情的相似度也越高，相应的，关联用户使用的表情与该用户的相关度越高；同时，关联用户对某一表情的喜好程度越高(即对该表情的表情权重值越高)，相应的，用户与该表情相关度也越高。因此，表情推荐服务器在计算用户与候选表情集合中各个表情的相关度时，需要综合用户与各个关联用户之间的社交亲密度以及各个关联用户对(候选表情集合中)各个表情的表情权重值。在一种可能的实施方式中，如图3B所示，本步骤可以包括如下步骤。
步骤304A，获取该用户与各个关联用户之间的社交亲密度。
表情推荐服务器可以根据用户与各个关联用户之间建立社交关系的时长，和/或根据预定时间段内用户与各个关联用户的聊天频率，计算用户与各个关联用户之间的社交亲密度。
示意性的，用户之间的建立社交关系的时长与社交亲密度的对应关系可以如表二所示。
表二
社交关系建立时长 社交亲密度
1-30天 20
30-150天 50
150天以上 80
示意性的，用户之间聊天频率与社交亲密度的对应关系可以如表三所示。
表三
聊天频率 社交亲密度
0次/月-2次/月 10
2次/月-8次/月 40
大于8次/月 80
步骤304B，根据各个关联用户各自对应的表情使用信息，计算各个关联用户对候选表情集合中各个表情的表情权重值，表情权重值用于指示用户对表情的使用程度。
在获取用户与各个关联用户之间的社交亲密度的同时，表情推荐服务器可以根据各个关联用户各自对应表情使用信息中包含的使用方式和发送次数等信息，计算各个关联用户对候选表情集合中各个表情的表情权重值。
在一种可能的实施方式中，针对不同的使用方式，表情推荐服务器中预先设置有不同使用方式对应的表情权重值。
比如，发送表情对应的表情权重值为1，未发送表情对应的表情权重值为0，下载表情对应的表情权重值为1.2，收藏表情对应的表情权重值为1.5。当关联用户James对应的表情使用信息指示James发送表情emoji001，收藏表情emoji002，且候选表情集合中包含emoji001、emoji002、emoji003、emoji004、emoji007、emoji008、emoji012时，用户James对emoji001的表情权重值为1，对emoji001的表情权重值为1.5，对emoji003的表情权重值为0，对emoji004的表情权重值为0，对emoji007的表情权重值为0，对emoji008的表情权重值为0，对emoji012的表情权重值为0。
在另一种可能的实施方式中，关联用户对表情的表情权重值与发送该表情的次数呈正比，表情推荐服务器则根据关联用户发送表情的次数，计算关联用户对该表情的表情权重值。
需要说明的是，表情推荐服务器还可以根据其他方式计算关联用户对候选表情集合中各个表情的表情权重值，本实施例仅以上述两种可能的实施方式进行示意性说明，并不对此构成限定。
步骤304C，根据社交亲密度和表情权重值，计算用户与候选表情集合中各个表情的相关度。
表情推荐服务器综合社交亲密度和表情权重值，计算用户与候选表情集合中各个表情的相关度，在一种可能的实施方式中，表情推荐服务器将社交亲密度和表情权重值带入第一相关度计算公式，计算用户与候选表情集合中各个表情的相关度，其中，第一相关度计算公式为
Scoreu,e表示用户u与候选表情集合中表情e的相关度；
FriendOf(u)表示与用户u具有预定社交关系的关联用户的集合；
Weight(u,f)表示用户u与关联用户f之间的社交亲密度；
UserEmojiInteract(f,e)表示关联用户f对表情e的表情权重值。
结合上述实施例，用户Zark对应的FriendOf(u)即为Micheal、Lily、Kobe、James；Weight(u,f)即包括Zark与Micheal的社交亲密度，Zark与Lily的社交亲密度，Zark与Kobe的社交亲密度以及Zark与James的社交亲密度；UserEmojiInteract(f,e)即包括Micheal对候选表情集合中各个表情(emoji001、emoji002、emoji003、emoji004、emoji007、emoji008、emoji012)的表情权重值，Lily对候选表情集合中各个表情的表情权重值，Kobe对候选表情集合中各个表情的表情权重值以及James对候选表情集合中各个表情的表情权重值。
步骤305，根据相关度的大小对表情进行降序排序。
计算得到用户与候选表情集合中各个表情的相关度后，表情推荐服务器根据相关度的大小对候选表情集合中各个表情进行降序排序。其中，相关度数值越大指示用户与表情的相关程度越高，该表情符合用户喜好的可能性越高。
比如，表情推荐服务器计算得到Zark与emoji001的相关度为85、与emoji002的相关度为76、与emoji003的相关度为30、与emoji004的相关度为50、与emoji007的相关度为15、与emoji008的相关度为21、与emoji012的相关度为18，排序后的表情为emoji001、emoji002、emoji004、emoji003、emoji008、emoji012、emoji007。
步骤306，将排序后的前n个表情确定为推荐表情。
比如，排序后的表情为emoji001、emoji002、emoji004、emoji003、emoji008、emoji012、emoji007，表情推荐服务器将前3个表情确定为推荐表情，即将emoji001、emoji002和emoji004确定为推荐表情。
需要是说明的是，在其他可能的实施方式中，表情推荐服务器还可以将相关度大于预设相关度阈值的表情确定为推荐表情，本发明实施例并不对此进行限定。
步骤307，向该用户对应的社交应用客户端发送推荐表情，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口。
表情推荐服务器将确定的推荐表情发送给相应的用户，当用户使用社交应用客户端，并打开表情面板时，该表情面板中即显示推荐表情对应的下载入口。用户通过该下载入口可以查看到推荐表情的信息并进行下载。为了区分用户已下载表情和推荐表情，推荐表情对应的下载入口与用户已下载表情采用不同的显示效果，比如，推荐表情对应的下载入口可采用灰色背景或高亮背景等等。
如图3C所示，当用户打开社交应用客户端中的表情面板21时，该表情面板21中即显示推荐表情对应的下载入口22。当用户点击下载入口22时，表情面板21中显示推荐表情的相关信息23及下载控件24。当用户点击相关信息23时，社交应用客户端显示该推荐表情对应的详情页面25，该详情页面25中包含推荐表情的详细信息；当用户点击下载控件24时，即可下载该推荐表情。
需要说明的一点是，为了保证推荐表情的时效性，表情推荐服务器可以按照预定时间间隔(比如1次/天)重复执行上述步骤301至步骤306，从而实时更新推荐给用户的表情。
采用上述实施例提供的表情推荐方法进行表情推荐时，表情推荐服务器针对不同用户进行表情推荐，推荐给用户的表情与用户对表情的喜好匹配度较高；同时，表情推荐服务器推荐给用户的表情直接在表情面板中进行显示，方便用户直接进行下载，相较于通过表情商店入口进入表情商店浏览并下载表情，方便用户快速下载到心仪的表情，提高了用户下载表情的效率。
综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
本实施例中，表情推荐服务器利用用户的社交关系链确定与用户具有预定社交关系的关联用户，并根据各个关联用户的表情使用情况进行表情推荐，使得推荐给用户的表情更加符合用户自身的表情喜好；同时，表情推荐服务器推荐给用户的表情直接在表情面板中进行显示，相较于在表情商店中显示大量表情更加直观，且方便用户快速下载，提高了用户下载表情的效率。
本实施例中，表情推荐服务器在计算用户与表情的相关度时，综合用户与关联用户之间的社交亲密度和关联用户对表情的表情权重值，保证了计算得到的相关度的准确度，提高了推荐表情与用户喜好的匹配度。
为了使用户知悉表情推荐服务器采用何种推荐策略进行表情推荐，表情推荐服务器向用户对应的社交应用客户端发送推荐表情的同时，根据相关度的计算方式向该社交应用客户端发送相应的推荐信息。在一种可能的实施方式中，上述步骤307后，还包括如下步骤。
步骤308，根据相关度的计算方式，向用户对应的社交应用客户端发送相应的推荐信息，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口时显示该推荐信息。
在一种可能的实施方式中，当根据用户的社交关系链计算相关度时，表情推荐服务器确定推荐表情后，进一步根据社交关系链中各个关联用户的表情使用信息，获取使用过该推荐表情的关联用户的用户数，并向社交应用客户端发送包含该用户数的推荐信息，比如，如图3C所示，该推荐信息可以为“20位好友正在使用这套表情”，其中，20即为使用过该推荐表情的关联用户的用户数。社交应用客户端接收到该推荐信息后，在显示推荐表情对应的下载入口时显示该推荐信息。
当用户的社交关系链指示该用户对应的关联用户的数量小于阈值(比如5个)时，根据关联用户的表情使用情况进行表情推荐会影响推荐表情与用户的匹配度。因此，当用户的社交关系链指示该用户对应的关联用户的数量小于阈值时，表情推荐服务器根据用户的表情使用信息计算用户与表情库中表情的相关度。下面采用一个示意性实施例进行说明。
请参考图4A，其示出了本发明再一个实施例提供的表情推荐方法的流程图，本实施例以该表情推荐方法用于图1中的表情推荐服务器120为例进行说明，该方法包括：
步骤401，获取用户的表情使用信息，表情使用信息用于指示用户对表情的使用行为。
在一种可能的实施方式中，当需要进行表情推荐时，表情推荐服务器可以从用于存储用户间聊天记录的聊天记录存储服务器处获取用户的表情使用信息。
在一种可能的实施方式中，聊天记录存储服务器采用key-value的存储格式保存有各个用户的表情使用信息，其中，key为用户的用户标识，value则为表情标识与发送次数的组合。示意性的，用户的表情使用信息如表四所示。
表四
key value
Adam emoji001-5、emoji002-7、emoji007-3
Alice emoji003-5、emoji012-7
Zark emoji001-3、emoji002-10
在其他可能的实施方式中，该表情使用信息中还可以包含用户对表情的使用方式，比如发送表情、下载表情、收藏表情等等。本实施例并不对此进行限定。
步骤402，计算表情库对应的表情相似度矩阵，表情相似度矩阵中包括表情库中各个表情之间的表情相似度。
对于表情库中所有表情，表情推荐服务器预先计算表情库中各个表情之间的相似度，从而获得表情库对应的表情相似矩阵。
作为一种可能的实施方式，对于表情库中的表情α和表情β，表情α与表情β之间的表情相似度Mα,β为：
其中，kα表示发送过表情α的用户数；kβ表示发送过表情β的用户数；u表示所有用户；kj表示用户j发送过表情的表情总数；aαj指示用户j是否发送过表情α，若用户j发送过表情α，则aαj＝1，若用户j未发送过表情α，则aαj＝0；aβj指示用户j是否发送过表情β，若用户j发送过表情β，则aβj＝1，若用户j未发送过表情β，则aβj＝0；λ为浮点数，0＜λ＜1。λ用于调节相似度计算的准确度和推荐表情覆盖率，推荐表情覆盖率用于指示最终推荐给用户的表情占表情库的比例，λ越小，推荐表情覆盖率越高，通常情况下，λ取值为0.3。
需要说明的是，表情推荐服务器还可以通过其他可能的方式计算表情库中各个表情之间的相似度，本实施例仅以上述方法进行说明，并不对此构成限定。
步骤403，根据用户对应的表情使用信息和表情相似度矩阵，计算用户与表情库中表情的相关度。
对于用户经常使用的表情，用户对与该表情相似度较高的其他表情的喜爱程度通常也较高，因此，表情推荐服务器可以根据表情使用信息指示用户经常使用的表情以及表情相似度矩阵，从表情库中挖掘出与用户常用表情相似度较高的表情作为推荐表情，并推荐给用户。
在一种可能的实施方式中，如图4B所示，本步骤可以包括如下步骤。
步骤403A，根据用户对应的表情使用信息，计算用户对表情库中已使用表情的表情权重值，表情权重值用于指示用户对表情的使用程度。
与上述步骤304B相似的，表情推荐服务器可以根据用户对应表情使用信息中包含的表情标识，确定用户已使用表情，并根据该表情使用信息中包含的使用方式和发送次数等信息，计算该对各个已使用表情的表情权重值。
比如，对于用户James来说，James的表情使用信息指示已使用表情为emoji001和emoji002，且James对emoji001的表情权重值为1，对emoji002的表情权重值为1.5。
步骤403B，从表情相似度矩阵中获取已使用表情与未使用表情之间的表情相似度，未使用表情指表情库中用户未使用过的表情。
进一步的，表情推荐服务器从上述步骤402计算得到的表情相似度矩阵中，获取已使用表情与未使用表情之间的表情相似度，其中，未使用表情指该用户未使用过的表情。
步骤403C，根据已使用表情与未使用表情之间的表情相似度以及表情权重值，计算用户与未使用表情的相关度。
表情推荐服务器根据用户对已使用表情的表情权重值，以及已使用表情与未使用表情之间的表情相似度，计算用户与各个未使用表情之间的相关度。作为一种可能的实施方式，表情推荐服务器可以将已使用表情与未使用表情之间的表情相似度以及表情权重值带入第二相关度计算公式，计算用户与未使用表情的相关度。
其中，第二相关度计算公式为
Scoreu,e表示用户u与未使用表情e的相关度；
SendEmojiList(u)表示用户u使用过的表情的集合；
se表示已使用表情se；
UserEmojiInteract(u,se)表示用户u对已使用表情se的表情权重值；
Me,se表示未使用表情e与已使用表情se之间的表情相似度。
步骤404，根据相关度的大小对表情进行降序排序。
步骤405，将排序后的前n个表情确定为推荐表情。
步骤406，向该用户对应的社交应用客户端发送推荐表情，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口。
与上述步骤305至步骤307相似的，表情推荐服务器计算得到用户与未使用表情的相关度后，按照相关度的大小对各个未使用表情进行排序，将相关度较高的前n个表情确定为推荐表情，并向该用户发送推荐表情。
综上所述，本实施例提供的表情推荐方法，通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
本实施例中，表情推荐服务器根据用户自身使用表情的情况以及表情库中各个表情之间的相似度，从表情库中筛选出与用户常用表情相似度较高的其他表情作为推荐表情推荐给用户，使得推荐给用户的表情与用户喜好的表情相似，提高了表情推荐的准确性。
与上述步骤308相似的，为了使用户知悉表情推荐服务器采用何种推荐策略进行表情推荐，表情推荐服务器向用户对应的社交应用客户端发送推荐表情的同时，根据相关度的计算方式向该社交应用客户端发送相应的推荐信息。在一种可能的实施方式中，上述步骤406后，还包括如下步骤。
步骤407，根据相关度的计算方式，向用户对应的社交应用客户端发送相应的推荐信息，该社交应用客户端用于在表情面板中显示推荐表情对应的下载入口时显示该推荐信息。
在一种可能的实施方式中，当根据用户的表情使用信息计算相关度时，表情推荐服务器确定推荐表情后，使用预设的文案模版生成推荐信息，并将推荐信息发送至社交应用客户端。比如，该推荐信息可以为“与您喜欢同类表情的用户也喜欢这套表情”。
下述为本发明装置实施例，对于装置实施例中未详尽描述的细节，可以参考上述一一对应的方法实施例。
请参考图5，其示出了本发明一个实施例提供的表情推荐装置的结构方框图。该表情推荐装置通过硬件或者软硬件的结合实现成为图1中表情推荐服务器120的全部或者一部分。该表情推荐装置包括：
获取模块510，用于获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关系链和所述用户的表情使用信息中的至少一种；所述社交关系链用于指示与所述用户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行为；
计算模块520，用于根据所述社交行为信息，计算所述用户与表情库中表情的相关度；
发送模块530，用于根据所述相关度向所述用户对应的社交应用客户端发送推荐表情。
综上所述，本实施例提供的表情推荐装置，通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
请参考图6，其示出了本发明另一个实施例提供的表情推荐装置的结构方框图。该表情推荐装置通过硬件或者软硬件的结合实现成为图1中表情推荐服务器120的全部或者一部分。该表情推荐装置包括：
获取模块610，用于获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关系链和所述用户的表情使用信息中的至少一种；所述社交关系链用于指示与所述用户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行为；
计算模块620，用于根据所述社交行为信息，计算所述用户与表情库中表情的相关度；
发送模块630，用于根据所述相关度向所述用户对应的社交应用客户端发送推荐表情。
可选地，所述社交行为信息中包括所述用户的社交关系链，所述计算模块620，包括：
确定单元621，用于根据所述用户的社交关系链，确定与所述用户具有预定社交关系的关联用户；
生成单元622，用于根据各个关联用户各自对应的表情使用信息，生成候选表情集合，所述候选表情集合中包含各个关联用户使用过的表情；
第一计算单元623，用于计算所述用户与所述候选表情集合中各个表情的相关度。
可选的，所述第一计算单元623，包括：
第一获取子单元623a，用于获取所述用户与各个关联用户之间的社交亲密度；
第一计算子单元623b，用于根据各个关联用户各自对应的表情使用信息，计算各个关联用户对所述候选表情集合中各个表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
第二计算子单元623c，用于根据所述社交亲密度和所述表情权重值，计算所述用户与所述候选表情集合中各个表情的相关度。
可选的，第二计算子单元623c，具体用于：将所述社交亲密度和所述表情权重值带入第一相关度计算公式，计算所述用户与所述候选表情集合中各个表情的相关度；
其中，所述第一相关度计算公式为
Scoreu,e表示用户u与所述候选表情集合中表情e的相关度；
FriendOf(u)表示与用户u具有预定社交关系的关联用户的集合；
Weight(u,f)表示用户u与关联用户f之间的所述社交亲密度；
UserEmojiInteract(f,e)表示关联用户f对表情e的所述表情权重值。
可选地，所述社交行为信息包括所述用户的表情使用信息，所述计算模块620，包括：
第二计算单元624，用于计算所述表情库对应的表情相似度矩阵，所述表情相似度矩阵中包括表情库中各个表情之间的表情相似度；
第三计算单元625，用于根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算所述用户与所述表情库中表情的相关度。
可选的，对于所述表情库中的表情α和表情β，表情α与表情β之间的表情相似度Mα,β为：
其中，kα表示发送过表情α的用户数；kβ表示发送过表情β的用户数；u表示所有用户；kj表示用户j发送过表情的表情总数；aαj指示用户j是否发送过表情α，若用户j发送过表情α，则aαj＝1，若用户j未发送过表情α，则aαj＝0；aβj指示用户j是否发送过表情β，若用户j发送过表情β，则aβj＝1，若用户j未发送过表情β，则aβj＝0；λ为浮点数，0＜λ＜1。
可选地，所述第三计算单元625，包括：
第三计算子单元625a，用于根据所述用户对应的表情使用信息，计算所述用户对所述表情库中已使用表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
第二获取子单元625b，用于从所述表情相似度矩阵中获取所述已使用表情与未使用表情之间的表情相似度，所述未使用表情指所述表情库中用户未使用过的表情；
第四计算子单元625c，用于根据所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值，计算所述用户与所述未使用表情的相关度。
可选的，所述第四计算子单元625c，具体用于：将所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值带入第二相关度计算公式，计算所述用户与所述未使用表情的相关度；
其中，所述第二相关度计算公式为
Scoreu,e表示用户u与未使用表情e的相关度；
SendEmojiList(u)表示用户u使用过的表情的集合；
se表示已使用表情se；
UserEmojiInteract(u,se)表示用户u对已使用表情se的所述表情权重值；
Me,se表示未使用表情e与已使用表情se之间的表情相似度。
可选的，所述发送模块630，包括：
排序单元631，用于根据所述相关度的大小对表情进行降序排序；
表情确定单元632，用于将排序后的前n个表情确定为所述推荐表情；
发送单元633，用于向所述用户对应的社交应用客户端发送所述推荐表情，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口。
可选的，所述装置，还包括：
信息发送模块640，用于根据所述相关度的计算方式，向所述用户对应的社交应用客户端发送相应的推荐信息，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口时显示所述推荐信息。
综上所述，本实施例提供的表情推荐装置，通过获取用户的社交行为信息，根据该社交行为信息中包含的社交关系链和/或表情使用信息，计算用户与表情库中各个表情的相关度，并以相关度作为推荐依据进行表情推荐；解决了根据表情的下载量或发布时间对表情进行排序，用户需要浏览大量表情才能选中喜爱的表情，导致用户的添加表情的效率较低的问题；达到了以用户的社交关系链和/或用户自身的表情使用情况为依据进行表情推荐，使得推荐给用户的表情与用户之间的匹配度较高，从而提高用户添加表情的效率。
本实施例中，表情推荐服务器利用用户的社交关系链确定与用户具有预定社交关系的关联用户，并根据各个关联用户的表情使用情况进行表情推荐，使得推荐给用户的表情更加符合用户自身的表情喜好；同时，表情推荐服务器推荐给用户的表情直接在表情面板中进行显示，相较于在表情商店中显示大量表情更加直观，且方便用户快速下载，提高了用户下载表情的效率。
本实施例中，表情推荐服务器在计算用户与表情的相关度时，综合用户与关联用户之间的社交亲密度和关联用户对表情的表情权重值，保证了计算得到的相关度的准确度，提高了推荐表情与用户喜好的匹配度。
本实施例中，表情推荐服务器根据用户自身使用表情的情况以及表情库中各个表情之间的相似度，从表情库中筛选出与用户常用表情相似度较高的其他表情作为推荐表情推荐给用户，使得推荐给用户的表情与用户喜好的表情相似，提高了表情推荐的准确性。
需要说明的是：上述实施例提供的表情推荐装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将表情推荐服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的表情推荐装置与表情推荐方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (20)

1.一种表情推荐方法，其特征在于，所述方法包括：
获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关系链和所述用户的表情使用信息中的至少一种；所述社交关系链用于指示与所述用户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行为；
根据所述社交行为信息，计算所述用户与表情库中表情的相关度；
根据所述相关度向所述用户对应的社交应用客户端发送推荐表情，所述推荐表情为所述用户未使用过的表情。
2.根据权利要求1所述的方法，其特征在于，所述社交行为信息中包括所述用户的社交关系链，所述根据所述社交行为信息，计算所述用户与表情库中表情的相关度，包括：
根据所述用户的社交关系链，确定与所述用户具有预定社交关系的关联用户；
根据各个关联用户各自对应的表情使用信息，生成候选表情集合，所述候选表情集合中包含各个关联用户使用过的表情；
计算所述用户与所述候选表情集合中各个表情的相关度。
3.根据权利要求2所述的方法，其特征在于，所述计算所述用户与所述候选表情集合中各个表情的相关度，包括：
获取所述用户与各个关联用户之间的社交亲密度；
根据各个关联用户各自对应的表情使用信息，计算各个关联用户对所述候选表情集合中各个表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
根据所述社交亲密度和所述表情权重值，计算所述用户与所述候选表情集合中各个表情的相关度。
4.根据权利要求3所述的方法，其特征在于，所述根据所述社交亲密度和所述表情权重值，计算所述用户与所述候选表情集合中各个表情的相关度，包括：
将所述社交亲密度和所述表情权重值带入第一相关度计算公式，计算所述用户与所述候选表情集合中各个表情的相关度；
其中，所述第一相关度计算公式为
Scoreu,e表示用户u与所述候选表情集合中表情e的相关度；
FriendOf(u)表示与用户u具有预定社交关系的关联用户的集合；
Weight(u,f)表示用户u与关联用户f之间的所述社交亲密度；
UserEmojiInteract(f,e)表示关联用户f对表情e的所述表情权重值。
5.根据权利要求1所述的方法，其特征在于，所述社交行为信息包括所述用户的表情使用信息，所述根据所述社交行为信息，计算所述用户与表情库中表情的相关度，包括：
计算所述表情库对应的表情相似度矩阵，所述表情相似度矩阵中包括表情库中各个表情之间的表情相似度；
根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算所述用户与所述表情库中表情的相关度。
6.根据权利要求5所述的方法，其特征在于，对于所述表情库中的表情α和表情β，表情α与表情β之间的表情相似度Mα,β为：
其中，kα表示发送过表情α的用户数；kβ表示发送过表情β的用户数；u表示所有用户；kj表示用户j发送过表情的表情总数；aαj指示用户j是否发送过表情α，若用户j发送过表情α，则aαj＝1，若用户j未发送过表情α，则aαj＝0；aβj指示用户j是否发送过表情β，若用户j发送过表情β，则aβj＝1，若用户j未发送过表情β，则aβj＝0；λ为浮点数，0<λ<1。
7.根据权利要求5所述的方法，其特征在于，所述根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算所述用户与所述表情库中表情的相关度，包括：
根据所述用户对应的表情使用信息，计算所述用户对所述表情库中已使用表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
从所述表情相似度矩阵中获取所述已使用表情与未使用表情之间的表情相似度，所述未使用表情指所述表情库中用户未使用过的表情；
根据所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值，计算所述用户与所述未使用表情的相关度。
8.根据权利要求7所述的方法，其特征在于，所述根据所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值，计算所述用户与所述未使用表情的相关度，包括：
将所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值带入第二相关度计算公式，计算所述用户与所述未使用表情的相关度；
其中，所述第二相关度计算公式为
Scoreu,e表示用户u与未使用表情e的相关度；
SendEmojiList(u)表示用户u使用过的表情的集合；
se表示已使用表情se；
UserEmojiInteract(u,se)表示用户u对已使用表情se的所述表情权重值；
Me,se表示未使用表情e与已使用表情se之间的表情相似度。
9.根据权利要求1至8任一所述的方法，其特征在于，所述根据所述相关度向所述用户对应的社交应用客户端发送推荐表情，包括：
根据所述相关度的大小对表情进行降序排序；
将排序后的前n个表情确定为所述推荐表情；
向所述用户对应的社交应用客户端发送所述推荐表情，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口。
10.根据权利要求1至8任一所述的方法，其特征在于，所述方法，还包括：
根据所述相关度的计算方式，向所述用户对应的社交应用客户端发送相应的推荐信息，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口时显示所述推荐信息。
11.一种表情推荐装置，其特征在于，所述装置包括：
获取模块，用于获取用户的社交行为信息，所述社交行为信息包括所述用户的社交关系链和所述用户的表情使用信息中的至少一种；所述社交关系链用于指示与所述用户具有预定社交关系的至少一个关联用户，所述表情使用信息用于指示所述用户对表情的使用行为；
计算模块，用于根据所述社交行为信息，计算所述用户与表情库中表情的相关度；
发送模块，用于根据所述相关度向所述用户对应的社交应用客户端发送推荐表情，所述推荐表情为所述用户未使用过的表情。
12.根据权利要求11所述的装置，其特征在于，所述社交行为信息中包括所述用户的社交关系链，所述计算模块，包括：
确定单元，用于根据所述用户的社交关系链，确定与所述用户具有预定社交关系的关联用户；
生成单元，用于根据各个关联用户各自对应的表情使用信息，生成候选表情集合，所述候选表情集合中包含各个关联用户使用过的表情；
第一计算单元，用于计算所述用户与所述候选表情集合中各个表情的相关度。
13.根据权利要求12所述的装置，其特征在于，所述第一计算单元，包括：
第一获取子单元，用于获取所述用户与各个关联用户之间的社交亲密度；
第一计算子单元，用于根据各个关联用户各自对应的表情使用信息，计算各个关联用户对所述候选表情集合中各个表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
第二计算子单元，用于根据所述社交亲密度和所述表情权重值，计算所述用户与所述候选表情集合中各个表情的相关度。
14.根据权利要求13所述的装置，其特征在于，所述第二计算子单元，还用于：将所述社交亲密度和所述表情权重值带入第一相关度计算公式，计算所述用户与所述候选表情集合中各个表情的相关度；
其中，所述第一相关度计算公式为
Scoreu,e表示用户u与所述候选表情集合中表情e的相关度；
FriendOf(u)表示与用户u具有预定社交关系的关联用户的集合；
Weight(u,f)表示用户u与关联用户f之间的所述社交亲密度；
UserEmojiInteract(f,e)表示关联用户f对表情e的所述表情权重值。
15.根据权利要求11所述的装置，其特征在于，所述社交行为信息包括所述用户的表情使用信息，所述计算模块，包括：
第二计算单元，用于计算所述表情库对应的表情相似度矩阵，所述表情相似度矩阵中包括表情库中各个表情之间的表情相似度；
第三计算单元，用于根据所述用户对应的表情使用信息和所述表情相似度矩阵，计算所述用户与所述表情库中表情的相关度。
16.根据权利要求15所述的装置，其特征在于，对于所述表情库中的表情α和表情β，表情α与表情β之间的表情相似度Mα,β为：
其中，kα表示发送过表情α的用户数；kβ表示发送过表情β的用户数；u表示所有用户；kj表示用户j发送过表情的表情总数；aαj指示用户j是否发送过表情α，若用户j发送过表情α，则aαj＝1，若用户j未发送过表情α，则aαj＝0；aβj指示用户j是否发送过表情β，若用户j发送过表情β，则aβj＝1，若用户j未发送过表情β，则aβj＝0；λ为浮点数，0<λ<1。
17.根据权利要求15所述的装置，其特征在于，所述第三计算单元，包括：
第三计算子单元，用于根据所述用户对应的表情使用信息，计算所述用户对所述表情库中已使用表情的表情权重值，所述表情权重值用于指示用户对表情的使用程度；
第二获取子单元，用于从所述表情相似度矩阵中获取所述已使用表情与未使用表情之间的表情相似度，所述未使用表情指所述表情库中用户未使用过的表情；
第四计算子单元，用于根据所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值，计算所述用户与所述未使用表情的相关度。
18.根据权利要求17所述的装置，其特征在于，所述第四计算子单元，还用于：将所述已使用表情与所述未使用表情之间的表情相似度以及所述表情权重值带入第二相关度计算公式，计算所述用户与所述未使用表情的相关度；
其中，所述第二相关度计算公式为
Scoreu,e表示用户u与未使用表情e的相关度；
SendEmojiList(u)表示用户u使用过的表情的集合；
se表示已使用表情se；
UserEmojiInteract(u,se)表示用户u对已使用表情se的所述表情权重值；
Me,se表示未使用表情e与已使用表情se之间的表情相似度。
19.根据权利要求11至18任一所述的装置，其特征在于，所述发送模块，包括：
排序单元，用于根据所述相关度的大小对表情进行降序排序；
表情确定单元，用于将排序后的前n个表情确定为所述推荐表情；
发送单元，用于向所述用户对应的社交应用客户端发送所述推荐表情，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口。
20.根据权利要求11至18任一所述的装置，其特征在于，所述装置，还包括：
信息发送模块，用于根据所述相关度的计算方式，向所述用户对应的社交应用客户端发送相应的推荐信息，所述社交应用客户端用于在表情面板中显示所述推荐表情对应的下载入口时显示所述推荐信息。
CN201610286192.6A 2016-04-29 2016-04-29 表情推荐方法及装置 Active CN105975563B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201610286192.6A CN105975563B (zh) 2016-04-29 2016-04-29 表情推荐方法及装置
PCT/CN2017/081333 WO2017186054A1 (zh) 2016-04-29 2017-04-21 表情推荐方法及装置
JP2018543422A JP6616012B2 (ja) 2016-04-29 2017-04-21 エモーティコン推奨方法及び装置
KR1020187015626A KR102064203B1 (ko) 2016-04-29 2017-04-21 이모티콘 추천 방법 및 장치
US15/974,524 US11128582B2 (en) 2016-04-29 2018-05-08 Emoji recommendation method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610286192.6A CN105975563B (zh) 2016-04-29 2016-04-29 表情推荐方法及装置

Publications (2)

Publication Number Publication Date
CN105975563A CN105975563A (zh) 2016-09-28
CN105975563B true CN105975563B (zh) 2019-10-11

Family

ID=56994287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610286192.6A Active CN105975563B (zh) 2016-04-29 2016-04-29 表情推荐方法及装置

Country Status (5)

Country Link
US (1) US11128582B2 (zh)
JP (1) JP6616012B2 (zh)
KR (1) KR102064203B1 (zh)
CN (1) CN105975563B (zh)
WO (1) WO2017186054A1 (zh)

Families Citing this family (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975563B (zh) 2016-04-29 2019-10-11 腾讯科技（深圳）有限公司 表情推荐方法及装置
CN105763431B (zh) * 2016-05-06 2019-03-26 腾讯科技（深圳）有限公司 一种信息推送方法、装置及***
CN106533902B (zh) * 2016-10-19 2019-07-19 北京安云世纪科技有限公司 一种智能终端上的表情推荐方法和装置
CN107070770B (zh) * 2016-12-19 2020-12-08 创新先进技术有限公司 一种资源传输方法及装置
CN108287857B (zh) * 2017-02-13 2021-02-26 腾讯科技（深圳）有限公司 表情图片推荐方法及装置
WO2018145577A1 (zh) 2017-02-08 2018-08-16 腾讯科技（深圳）有限公司 表情推荐方法和装置
CN108401005B (zh) * 2017-02-08 2021-05-14 腾讯科技（深圳）有限公司 一种表情推荐方法和装置
CN106993048B (zh) * 2017-04-13 2018-09-14 腾讯科技（深圳）有限公司 确定推荐信息的方法及装置、信息推荐方法及装置
CN107247720B (zh) * 2017-04-20 2018-10-02 腾讯科技（深圳）有限公司 表情排行榜单生成方法及装置、计算机设备
CN107145270A (zh) * 2017-04-25 2017-09-08 北京小米移动软件有限公司 表情图标排序方法及装置
CN110019286B (zh) * 2017-07-19 2021-10-29 ***通信有限公司研究院 一种基于用户社交关系的表情推荐方法及装置
CN110019885B (zh) * 2017-08-01 2021-10-15 北京搜狗科技发展有限公司 一种表情数据推荐方法及装置
CN107707452B (zh) * 2017-09-12 2021-03-30 创新先进技术有限公司 针对表情的信息展示方法、装置以及电子设备
CN109558018B (zh) * 2017-09-27 2022-05-17 腾讯科技（深圳）有限公司 一种内容展示方法、装置及存储介质
CN109670385B (zh) * 2017-10-16 2023-04-18 腾讯科技（深圳）有限公司 一种应用程序中表情更新的方法及装置
CN107729320B (zh) * 2017-10-19 2021-04-13 西北大学 一种基于时序分析用户会话情感趋势的表情符号推荐方法
CN107911601A (zh) * 2017-11-21 2018-04-13 深圳市欧信计算机通信科技有限公司 一种拍照时智能推荐拍照表情和拍照姿势的方法及其***
CN108133013B (zh) * 2017-12-22 2021-02-09 平安养老保险股份有限公司 信息处理方法、装置、计算机设备和存储介质
CN108234293B (zh) * 2017-12-28 2021-02-09 Oppo广东移动通信有限公司 表情管理方法、表情管理装置及智能终端
US11088983B2 (en) 2017-12-29 2021-08-10 Titus Deac Messaging system with prefabricated icons and methods of use
US11184303B2 (en) 2017-12-29 2021-11-23 Titus Deac Brevity-codified messaging system and process with pre-composed messages made of prefabricated icons, and methods of use
CN110535669B (zh) * 2018-05-24 2022-11-25 连株式会社 内容推荐方法与内容推荐装置
CN110971504A (zh) * 2018-09-30 2020-04-07 上海连尚网络科技有限公司 一种显示表情的方法、设备及存储介质
CN111193654B (zh) * 2019-06-24 2021-12-17 腾讯科技（深圳）有限公司 一种社交会话的处理方法、装置、终端及介质
US11392272B2 (en) * 2019-07-26 2022-07-19 Slack Technologies, Llc Group-based communication system and apparatus configured to render suggested graphical objects
CN110471589A (zh) * 2019-07-29 2019-11-19 维沃移动通信有限公司 信息显示方法及终端设备
CN112492389B (zh) * 2019-09-12 2022-07-19 上海哔哩哔哩科技有限公司 视频推送方法、视频播放方法、计算机设备和存储介质
US11252274B2 (en) * 2019-09-30 2022-02-15 Snap Inc. Messaging application sticker extensions
US11138386B2 (en) 2019-11-12 2021-10-05 International Business Machines Corporation Recommendation and translation of symbols
CN113051427A (zh) * 2019-12-10 2021-06-29 华为技术有限公司 一种表情制作方法和装置
CN111131006B (zh) * 2019-12-31 2021-05-18 联想(北京)有限公司 一种信息处理方法
US11604845B2 (en) * 2020-04-15 2023-03-14 Rovi Guides, Inc. Systems and methods for processing emojis in a search and recommendation environment
US11775583B2 (en) 2020-04-15 2023-10-03 Rovi Guides, Inc. Systems and methods for processing emojis in a search and recommendation environment
CN112312225B (zh) * 2020-04-30 2022-09-23 北京字节跳动网络技术有限公司 信息展示方法、装置、电子设备和可读介质
CN111581926B (zh) * 2020-05-15 2023-09-01 抖音视界有限公司 文案生成方法、装置、设备和计算机可读存储介质
CN113741742B (zh) * 2020-05-29 2024-05-14 北京达佳互联信息技术有限公司 一种确定拍摄图标的方法及装置
US11209964B1 (en) * 2020-06-05 2021-12-28 SlackTechnologies, LLC System and method for reacting to messages
CN111897441B (zh) * 2020-07-14 2024-06-18 维沃移动通信有限公司 表情添加方法、装置及电子设备
CN112462992B (zh) * 2020-11-30 2022-07-19 北京搜狗科技发展有限公司 一种信息处理方法、装置、电子设备及介质
CN112702260B (zh) * 2020-12-23 2022-08-05 维沃移动通信（杭州）有限公司 图像发送方法、装置和电子设备
CN112764553B (zh) * 2021-01-26 2024-04-02 维沃移动通信有限公司 聊天表情的收集方法、装置及电子设备
KR102619340B1 (ko) * 2021-01-28 2023-12-28 주식회사 카카오 사용자에게 컨텐츠를 제공하는 방법 및 사용자 단말
CN114942715A (zh) * 2021-02-10 2022-08-26 北京字节跳动网络技术有限公司 动态表情显示方法、装置、电子设备及计算机可读存储介质
US11902231B2 (en) * 2022-02-14 2024-02-13 International Business Machines Corporation Dynamic display of images based on textual content
CN114511713A (zh) * 2022-04-20 2022-05-17 威海经济技术开发区天智创新技术研究院 一种基于图像的预测方法、装置及服务器
US11985058B2 (en) * 2022-08-04 2024-05-14 Getac Technology Corporation Interservice communication optimization for microservices

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102265586A (zh) * 2008-11-19 2011-11-30 苹果公司 使用表情字符的便携式触摸屏设备、方法和图形用户界面
CN104394057A (zh) * 2013-11-04 2015-03-04 贵阳朗玛信息技术股份有限公司 表情推荐方法及装置
CN104410561A (zh) * 2013-10-29 2015-03-11 贵阳朗玛信息技术股份有限公司 一种聊天表情发送方法及装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040068552A1 (en) * 2001-12-26 2004-04-08 David Kotz Methods and apparatus for personalized content presentation
US7703030B2 (en) * 2005-01-11 2010-04-20 Trusted Opinion, Inc. Method and system for providing customized recommendations to users
JP4625365B2 (ja) * 2005-05-02 2011-02-02 日本放送協会 推薦順位選定装置及び推薦順位選定プログラム
EP1783632B1 (en) * 2005-11-08 2012-12-19 Intel Corporation Content recommendation method with user feedback
US8732180B2 (en) * 2009-11-12 2014-05-20 Apple Inc. Recommending media items
US9152969B2 (en) * 2010-04-07 2015-10-06 Rovi Technologies Corporation Recommendation ranking system with distrust
JP5207088B2 (ja) * 2010-11-24 2013-06-12 株式会社Ｊｖｃケンウッド アイテム選択装置、アイテム選択方法およびコンピュータプログラム
US20130006817A1 (en) * 2011-07-01 2013-01-03 Microsoft Corporation Enabling control or use of personal metadata
CN103699547B (zh) * 2012-09-28 2019-03-22 北京三星通信技术研究有限公司 一种应用程序推荐方法及终端
US9658738B1 (en) * 2012-11-29 2017-05-23 Amazon Technologies, Inc. Representation management on an electronic device
US20150334067A1 (en) * 2012-12-21 2015-11-19 Gnotech Llc Messaging providing graphical and audible features
US20140278786A1 (en) * 2013-03-14 2014-09-18 Twain Liu-Qiu-Yan System and method to survey and evaluate items according to people's perceptions and to generate recommendations based on people's perceptions
US9363570B2 (en) * 2013-05-15 2016-06-07 Lg Electronics Inc. Broadcast receiving apparatus for receiving a shared home screen
JP2015032254A (ja) * 2013-08-06 2015-02-16 ソニー株式会社 情報処理装置、情報処理方法、及び、プログラム
US10482163B2 (en) * 2014-04-23 2019-11-19 Klickafy, Llc Clickable emoji
AU2014400645A1 (en) * 2014-07-07 2017-02-02 Mz Ip Holdings, Llc System and method for identifying and suggesting emoticons
CN104156392B (zh) * 2014-07-09 2017-06-13 中电科华云信息技术有限公司 好友及应用个性化推荐方法及***
KR101615848B1 (ko) * 2015-01-19 2016-04-26 주식회사 엔씨소프트 유사상황 검색을 통한 대화 스티커 추천방법 및 컴퓨터 프로그램
KR101583181B1 (ko) * 2015-01-19 2016-01-06 주식회사 엔씨소프트 응답 스티커 추천방법 및 컴퓨터 프로그램
CN105975563B (zh) * 2016-04-29 2019-10-11 腾讯科技（深圳）有限公司 表情推荐方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102265586A (zh) * 2008-11-19 2011-11-30 苹果公司 使用表情字符的便携式触摸屏设备、方法和图形用户界面
CN104410561A (zh) * 2013-10-29 2015-03-11 贵阳朗玛信息技术股份有限公司 一种聊天表情发送方法及装置
CN104394057A (zh) * 2013-11-04 2015-03-04 贵阳朗玛信息技术股份有限公司 表情推荐方法及装置

Also Published As

Publication number Publication date
JP6616012B2 (ja) 2019-12-04
JP2018536249A (ja) 2018-12-06
US11128582B2 (en) 2021-09-21
KR102064203B1 (ko) 2020-01-09
CN105975563A (zh) 2016-09-28
US20180255009A1 (en) 2018-09-06
WO2017186054A1 (zh) 2017-11-02
KR20180077267A (ko) 2018-07-06

Similar Documents

Publication Publication Date Title
CN105975563B (zh) 表情推荐方法及装置
US8702518B2 (en) Dynamically providing guest passes for a video game
CN105337843B (zh) 交互***、方法、客户端及后台服务器
CN103403705B (zh) 使用媒体文件加载移动计算设备
JP6023203B2 (ja) ソーシャル・ネットワーキング・システム上の構造化オブジェクトおよびアクション
KR101673267B1 (ko) 미디어 배포 플랫폼으로부터의 소셜 네트워크를 통한 피드백 제공
WO2022052749A1 (zh) 一种消息处理方法、装置、设备及存储介质
CN102932759B (zh) 一种信息共享方法及装置
US10726087B2 (en) Machine learning system and method to identify and connect like-minded users
JP5559078B2 (ja) コミュニケーションシステム
KR101652588B1 (ko) 아티스트 순위 산출 시스템 및 이를 이용한 산출 방법
CN109840319A (zh) 确定对象实体的方法、***及计算机设备和存储介质
CN110237536A (zh) 个性化游戏服务提供方法、装置、电子设备及存储介质
CN108401005B (zh) 一种表情推荐方法和装置
KR101149017B1 (ko) 모바일 기기를 이용한 소셜 네트워크 게임 시스템
CN110188123A (zh) 用户匹配方法及设备
CN110196951A (zh) 用户匹配方法及设备
CN111191143B (zh) 应用推荐方法及装置
Cruz et al. Exploring the use of second screen devices during live sports broadcasts to promote social interaction
KR101620729B1 (ko) 아티스트와 팬과의 관계 형성 시스템 및 이를 이용한 관계 형성 방법
CN111125544A (zh) 用户推荐方法及装置
CN110209704A (zh) 用户匹配方法及设备
CN106254208B (zh) 社交功能信息排序方法及终端
CN104991973B (zh) 一种用户兴趣领域的确定方法和设备
CN106844504A (zh) 一种发送歌单标识的方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant